Таблицы из PDF: сохраняем значения и объясняем расхождения

У числа и кода могут быть одинаковые цифры

В спецификации стоит артикул 001234. Человеку понятно, что первые два нуля — часть обозначения. Табличная программа может увидеть обычное число и показать 1234. Внешне изменение небольшое, но поиск по каталогу или сопоставление с заказом уже могут дать другой результат.

Похожая проблема возникает с длинными идентификаторами, денежными суммами и строками, начинающимися со знака равенства. При переносе из PDF важно сохранить не только видимые цифры, но и смысл записи. Поэтому мы уточнили типизацию значений и объяснения проверок связей в таблицах DOKIVO.

В этой статье разбираем три разных вопроса: что написано в исходнике, как это хранится в XLSX и сходится ли арифметика между столбцами. Они связаны, но ответ на один из них не заменяет остальные. Верно посчитанная сумма не доказывает, что распознан правильный артикул.

Сначала сохранить, затем интерпретировать

Одинаково выглядящие записи могут требовать разных типов. Количество товара удобно использовать как число, а номер документа — как текст. Длинный код тоже безопаснее сохранить строкой, если арифметические операции с ним не нужны. В DOKIVO можно явно задать тип столбца и увидеть результат в предварительном просмотре.

Обновление уточнило работу с явными валютами и бухгалтерскими минусами. Проверки используют точную десятичную арифметику и учитывают единицы. Если в строке разные валюты, двусмысленный разделитель или двойной знак, сервис не выбирает наиболее правдоподобное значение молча.

Например, запись 1,234 ₽ недостаточна для уверенного решения о роли запятой. Принудительно превратив её в число, можно получить другую сумму. В контрольной выгрузке такая запись осталась текстом. Это повод уточнить исходник или тип столбца, а не скрытая автоматическая правка.

Примеры выше относятся к XLSX. У CSV другая модель: это строки значений без типов ячеек и примечаний книги. Потенциальная формула защищается текстовым префиксом, но открывающая CSV программа может дополнительно распознавать числа. Для передачи значений с заданными типами выбирайте XLSX и проверяйте результат в своей программе.

Три результата проверки, три следующих действия

В подходящей таблице можно сопоставить количество, цену и сумму. Сервис проверяет выбранную связь и показывает один из трёх статусов. Их задача — помочь найти место для проверки, не переписывая документ за пользователя.

В контрольном примере исходные 21,70 руб. сохранились, хотя расчёт давал 21,75. Такой результат полезнее незаметно исправленной суммы: вы видите расхождение, можете обратиться к оригиналу и выяснить причину. В документе могли быть особые условия, а в распознавании — пропущенный символ.

Проверка также не должна сравнивать разные валюты как одно и то же число. Если количество отсутствует или денежную запись нельзя разобрать однозначно, строка остаётся непроверенной с объяснением причины. Додумывание пропущенных данных создало бы ложную уверенность.

Что изменилось на контрольной таблице

21 октября 2026 года мы обработали на сайте цифровой PDF из трёх страниц с тремя таблицами. Скачанный XLSX прочитали отдельным серверным инструментом: проверили 95 ячеек, включая ведущие нули, большое число, текст со знаком равенства и денежные минусы.

Для 16 строк данных раньше ни одна связь не получала определённого результата. После обновления удалось подтвердить шесть совпадений и показать одно расхождение. Девять строк остались непроверенными. Диаграмма показывает именно распределение статусов сверки, а не точность распознавания PDF.

Здесь нельзя сложить совпадения и расхождения и объявить полученную долю «точностью OCR». Арифметическое правило отвечает на более узкий вопрос. Совпавшая сумма может стоять у неверного артикула, а корректная строка — оставаться непроверенной из-за непривычной записи валюты.

У отдельного примера скачивание на широком и узком экранах дало одинаковые байты XLSX. Но проверка русскоязычного скана также сохранила ограничение: там, где количество не распозналось, три строки остались непроверенными. Эта доработка не восстанавливает отсутствующее значение автоматически.

Как подготовить таблицу, которой можно пользоваться

1. Сверьте структуру. Убедитесь, что выбрана нужная таблица, заголовки относятся к своим столбцам, а строки не сдвинуты относительно оригинала.
2. Отделите коды от чисел. Для артикулов, длинных идентификаторов и номеров с ведущими нулями задайте текстовый тип. Проверьте несколько характерных значений в просмотре.
3. Настройте связь. Для подходящих столбцов выберите количество, цену и сумму. Сначала убедитесь, что правило вообще применимо к документу.
4. Разберите замечания. Откройте источники расхождений. Непроверенные строки посмотрите отдельно, даже если остальные суммы совпали.
5. Откройте скачанный XLSX. Сверьте важные значения и типы в той программе, где будете работать дальше. Успешное скачивание ещё не завершает проверку данных.

Для одного PDF начните с пошаговой инструкции. Если такие спецификации приходят регулярно, в сценарии для партий спецификаций описана работа с источниками значений и исключениями.

Частые вопросы